Skip to main content
SpringerLink
Log in

Stereosehen

  • Chapter
  • First Online:
Handbuch Fahrerassistenzsysteme

Part of the book series: ATZ/MTZ-Fachbuch ((ATZMTZ))

  • 51k Accesses

Zusammenfassung

Als in den frühen 90er Jahren im Rahmen des europäischen Projekts PROMETHEUS die ersten Gehversuche zu kamerabasierten Fahrerassistenzsystemen unternommen wurden, konnten sich nur sehr wenige Optimisten vorstellen, dass diese Technologie keine 25 Jahre später eine wichtige Rolle in der Praxis spielen würde, ja sogar manche ambitionierten Systeme wie das vollautomatische Bremsen auf Fußgänger erst ermöglichen würde. Doch kein anderer Sensor konnte so sehr vom allgemeinen Fortschritt profitieren wie Kameras mit der dazugehörigen Auswerteelektronik.

Die Kosten für eine Kamera sind von anfangs 2000 DM und mehr auf wenige 10 € gefallen. Die Dynamikprobleme der in der Anfangsphase verwendeten CCD-Sensoren, die bei Gegenlicht kaum verwertbare Bilder lieferten und daher jede Präsentation von Forschungsergebnissen gefährdeten, gehören dank der für moderne Consumer-Kameras entwickelten CMOS-Imager der Vergangenheit an. Gleichzeitig hat sich die verfügbare Rechenleistung in dieser Zeit um mehr als fünf Größenordnungen erhöht, wie dies vom Moore’schen Gesetz prognostiziert wurde. Entscheidend dazu beigetragen hat die FPGA-Technologie, auf die sich die in vielen Fällen sehr aufwändigen, frühen Verarbeitungsstufen eines bildverstehenden Systems gut abbilden lassen.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 99.00
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Literatur

  1. Dickmanns, E., Zapp, A.: A curvature‐based scheme for improving road vehicle guidance by computer vision. SPIE 727, 161–168 (1986)

    Google Scholar 

  2. Meister, S., Jähne, B., Kondermann, D.: Outdoor stereo camera system for the generation of real‐world benchmark data sets. Journal of Optical Engineering 51(02) 021107–1–021107–6 (2012)

    Google Scholar 

  3. Scharstein, D., Szeliski, R.: A Taxonomy and Evaluation of Dense Two‐Frame Stereo Correspondence Algorithms. International Journal of Computer Vision (IJCV) 7–42 (2002). Kluwer, May

    Google Scholar 

  4. Geiger, A., Lenz, P., Urtasun, R.: Are we ready for Autonomous Driving? The KITTI Vision Benchmark Suite, Computer Vision and Pattern Recognition (CVPR) (2012)

    Google Scholar 

  5. Hirschmüller, H., Gehrig, S.: Stereo Matching in the Presence of Sub‐Pixel Calibration Errors, Computer Vision and Pattern Recognition (CVPR) (2009)

    Google Scholar 

  6. Hirschmüller, H., Scharstein, D.: Evaluation of Stereo Matching Costs on Images with Radiometric Differences. IEEE Transactions on Pattern Analysis and Machine Intelligence 31(9), 1582–1599 (2009)

    Article  Google Scholar 

  7. Mühlmann, K., Maier, D., Hesser, J., Männer, R.: Calculating Dense Disparity Maps from Color Stereo Images, an Efficient Implementation, CVPR Workshop on Stereo and Multi‐Baseline Vision, S. 30–36 (2001)

    Google Scholar 

  8. Belhumeur, N.: A Bayesian approach to binocular stereopsis. International Journal on Computer Vision 19(3), 237–260 (1996)

    Article  Google Scholar 

  9. Boykov, Y., Veksler, O., Zabih, R.: Fast approximate energy minimization via graph cuts. IEEE Transactions on Pattern Analysis and Machine Intelligence 23(11), 1222–1239 (2001)

    Article  Google Scholar 

  10. Tappen, M., Freeman, W.: Comparison of Graph Cuts with Belief Propagation for Stereo, using Identical MRF Parameters, International Conference on Computer Vision (ICCV) (2003)

    Google Scholar 

  11. Hirschmüller, H.: Stereo Processing by Semi‐Global Matching and Mutual Information. IEEE Transactions on Pattern Analysis and Machine Intelligence 30(2), 328–341 (2008)

    Article  Google Scholar 

  12. Gehrig, S., Rabe, C.: Real‐time Semi‐Global Matching on the CPU, CVPR Embedded Computer Vision Workshop, San Francisco, CA (2010)

    Google Scholar 

  13. Banz, C., Blume, H., Pirsch, P.: Real‐time semi‐global matching disparity estimation on the GPU, ICCV Workshop on Mobile Computer Vision, Barcelona, Spain (2011)

    Google Scholar 

  14. Gehrig, S., Eberli, F., Meyer, T.: A Real‐Time Low‐Power Stereo Engine Using Semi‐Global Matching, International Conference on Computer Vision Systems, Liege, Belgium (2009)

    Google Scholar 

  15. Bleyer, M., Chambon, S.: Does Color Really Help in Dense Stereo Matching? International Symposium 3D Data Processing, Visualization and Transmission (3DPVT), Paris, France, S. 1–8 (2010)

    Google Scholar 

  16. Shimizu, M., Okutomi, M.: Precise sub‐pixel estimation on area‐based matching, International Conference on Computer Vision (ICCV) (2001)

    Google Scholar 

  17. Gehrig, S., Badino, H., Franke, U.: Improving Sub‐Pixel Accuracy for Long Range Stereo. Journal of Computer Vision and Image Understanding 116(1), 16–24 (2012)

    Article  Google Scholar 

  18. Franke, U., Rabe, C., Badino, H., Gehrig, S.: 6D‐Vision: Fusion of Stereo and Motion for Robust Environment Perception, DAGM Symposium 2005, Wien (2005)

    Google Scholar 

  19. Badino, H., Franke, U., Rabe, C., Gehrig, S.: Stereo Vision‐Based Detection of Moving Objects under Strong Camera Motion, VisApp, Portugal (2006)

    Google Scholar 

  20. Stein, F.: Efficient Computation of OpticaL Flow, DAGM Symposium (2004)

    Google Scholar 

  21. Shi, J., Tomasi, C.: Good features to track, Computer Vision and Pattern Recognition (CVPR), 1994, Seattle (1994)

    Google Scholar 

  22. Zach, C., Pock, T., Bischof, H.: A Duality Based Approach for Realtime TV‐L1 Optical Flow, DAGM Symposium (2007)

    Google Scholar 

  23. Müller, T., Rabe, C., Rannacher, J., Franke, U., Mester, R.: Illumination‐Robust Dense Optical Flow Using Census Signatures, DAGM Symposium (2011)

    Google Scholar 

  24. Müller, T., Rannacher, J., Rabe, C., Franke, U.: Feature‐ and Depth‐Supported Modified Total Variation Optical Flow for 3D Motion Field Estimation in Real Scenes, Computer Vision and Pattern Recognition (CVPR) (2011)

    Google Scholar 

  25. Rabe, C., Müller, T., Wedel, A., Franke, U.: Dense, Robust, and Accurate Motion Field Estimation from Stereo Sequences in Real‐time, European Conference on Computer Vision (ECCV) (2010)

    Google Scholar 

  26. Badino, H., Franke, U., Pfeiffer, D.: The Stixel World ‐ A Compact Medium Level Representation of the 3D‐World, DAGM Symposium (2009)

    Google Scholar 

  27. Pfeiffer, D., Franke, U.: Towards a Global Optimal Multi‐Layer Stixel Representation of Dense 3D Data, British Machine Vision Conference (BMVC) (2011)

    Google Scholar 

  28. Erbs, F., Schwarz, B., Franke, U.: From Stixels to Objects, IEEE Intelligent Vehicles Symposium, Brisbane (2013)

    Google Scholar 

  29. Barth, A., Franke, U.: Estimating the Driving State of Oncoming Vehicles from a Moving Platform Using Stereo Vision, IEEE Transactions on ITS (2009)

    Google Scholar 

  30. Enzweiler, M., Hummel, M., Pfeiffer, D., Franke, U.: Efficient Stixel‐Based Object Recognition, IEEE Intelligent Vehicles Symposium, Alcala de Henares (2012)

    Google Scholar 

  31. Scharwächter, T., Enzweiler, M., Franke, U., Roth, S.: Efficient Multi‐Cue Scene Segmentation, DAGM Symposium, Saarbrücken (2013)

    Google Scholar 

  32. Moosmann, F., Triggs, B., Jurie, F.: Fast Discriminative Visual Codebooks using Randomized Clustering Forests. In: Advances in neural information processing systems (2007)

    Google Scholar 

  33. Enzweiler, M., Gavrila, D.M.: A Multi‐Level Mixture‐of‐Experts Framework for Pedestrian Classification, IEEE Trans. on Image Processing (2011)

    Google Scholar 

  34. Franke, U., Pfeiffer, D., Rabe, C., Knöppel, C., Enzweiler, M., Stein, F., Herrtwich, R.G.: Making Bertha See, ICCV Workshop Computer Vision for Autonomous Driving, Sydney, Australia (2013)

    Google Scholar 

  35. Yamaguchi, K., McAllester, D., Urtasun, R.: Robust Monocular Epipolar Flow Estimation, Computer Vision and Pattern Recognition (CVPR) (2013)

    Google Scholar 

  36. Vogel, C., Roth, S., Schindler, K.: Piecewise Rigid Scene Flow, International Conference on Computer Vision (ICCV) (2013)

    Google Scholar 

  37. Gehrig, S., Reznistkii, M., Schneider, N., Franke, U., Weickert, J.: Priors for Stereo Vision under Adverse Weather Conditions, ICCV Workshop Computer Vision for Autonomous Driving, Sydney, Australia (2013)

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Daimler AG, Sindelfingen, Deutschland

    Uwe Franke Dr.-Ing. & Stefan Gehrig Dr.

Authors
  1. Uwe Franke Dr.-Ing.
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Stefan Gehrig Dr.
    View author publications

    You can also search for this author in PubMed Google Scholar

Editor information

Editors and Affiliations

  1. Technische Universität Darmstadt, Darmstadt, Germany

    Hermann Winner

  2. IPG Automotive GmbH, Karlsruhe, Germany

    Stephan Hakuli

  3. Technische Universität Darmstadt, Darmstadt, Germany

    Felix Lotz

  4. Technische Universität Darmstadt, Darmstadt, Germany

    Christina Singer

Rights and permissions

Reprints and permissions

Copyright information

© 2015 Springer Fachmedien Wiesbaden

About this chapter

Cite this chapter

Franke, U., Gehrig, S. (2015). Stereosehen. In: Winner, H., Hakuli, S., Lotz, F., Singer, C. (eds) Handbuch Fahrerassistenzsysteme. ATZ/MTZ-Fachbuch. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-05734-3_22

Download citation

Publish with us

Policies and ethics

Search

Navigation